この出来事は、画像生成AI技術の現状と課題、そして今後の展望について、多くの示唆を与えてくれています。

Auroraとは何か：驚異的な画像生成能力

xAI社が開発したAuroraは、SNSのXに統合されているAIアシスタント「Grok」に実装された画像生成モデルです。

特筆すべきは、その圧倒的な画像生成能力です。人物や動物の写実的な画像生成において、既存の画像生成AIを凌駕する性能を見せました。

生成される画像のクオリティは、実写と見分けがつかないほど高品質であり、現在注目を集めているRecraftやMysticと同等、あるいはそれ以上のレベルに達していたとされています。これは、画像生成AI技術が新たなステージに突入する可能性を示唆する出来事でした。

謎に包まれた短命な実装

Auroraの特徴的な点は、その突然の実装と撤回のタイミングです。週末に突如としてGrokのドロップダウンメーニューに追加され、事前の告知や発表もないまま利用可能となりました。しかし、その存在が確認されてからわずか数時間後には、システムから完全に削除されてしまいました。

興味深いことに、この実装は、GrokがXユーザーの大多数に無料開放されたタイミングと重なっています。これは偶然なのか、または何らかの戦略的な意図があったのか、現時点では明らかになっていません。

技術的基盤と開発背景

Elon Musk氏は、Auroraについて「我々の内部画像生成システムであり、まだベータ版だが、急速に改善される」と説明しています。しかし、この画像生成モデルが完全なゼロからの開発なのか、あるいはMysticのようにFluxモデルをベースに大規模な改良を加えたものなのかは明らかにされていません。

現在、AuroraはGrok + Fluxという形で、Black Forest Labs社のFlux 1.1 Proモデルを使用するシステムに置き換えられています。この変更は、技術的な課題や倫理的な考慮による可能性が高いと考えられます。

Grokの独自性：パーソナライズされた画像生成

Grokの画像生成機能が特に注目を集める理由の一つは、そのパーソナライズ能力にあります。Grokは、ユーザーのX上での投稿履歴やウェブ検索へのアクセスを通じて、ユーザーについての深い理解を持っています。

これにより、ユーザーが自分自身を様々な状況で描写するよう依頼した際、ChatGPTとDALL-Eを使用した同様の試みと比較して、より正確な結果を生成できることが報告されています。この特徴は、画像生成AIの新たな可能性を示唆しています。

撤回の背景：技術的・倫理的課題

Auroraが撤回された理由の一つとして、その高度な人物描写能力が挙げられます。Elon Musk氏、Sam Altman氏、Donald Trump氏など、実在する人物の完璧な描写が可能だったとされています。

このような能力は、デジタルコンテンツの信頼性や個人の肖像権に関する重要な課題を提起します。開発チームは、適切な保護措置を実装するための時間が必要だと判断した可能性が高いでしょう。

今後の展望：画像生成AIの未来

Auroraの短期間の登場は、画像生成AI技術の可能性と課題の両面を浮き彫りにしました。特に以下の点について、今後の展開が注目されます。

技術面では、より高度な画像生成能力と、それを支える革新的なアーキテクチャの開発が期待されます。また、個人情報保護やコンテンツの真正性確保など、倫理的な課題への取り組みも重要となってくるでしょう。

(Via Tom’s Guide.)

画像生成AIは基本的に「生成したい画像を説明するプロンプトを入力する」という形で利用できますが、AIの種類やモデルデータが変わると生成結果は全く変わります

テクノロジーライターのMuhammad Usman氏は、「Adobe Firefly」「DALL E2」「OpenJourney」「Stable Diffusion」「Midjourney」といった主要な画像生成AIに同じプロンプトを入力した結果をまとめています

• Adobe Firefly(有料のみ)

アドビが開発した画像生成AI。Adobe Stockの画像やパブリックドメインの画像を学習に使用し、著作権上問題のない画像を生成することが可能

• DALL E2(無料クレジットが利用可能)

Open AIが開発した画像生成AI。最初の数枚は無料で生成でき、規定枚数を超えると有料クレジットが必要

• OpenJourney(無料クレジットが利用可能)

Stable Diffusionを調整してMidjourneyに近い結果を出す画像生成AI

• Stable Diffusion(有料のみ)

Stability AIが開発した画像生成AI。モデルデータと開発コードはオープンソース化されており、多くの派生モデルやツールがコミュニティによって開発されている

• Midjourney(オープンソース)

Discord上でサービスを提供している画像生成AI。高品質な画像を簡単に生成できることが話題に

Prompt 1

High resolution photography interior design, dreamy sunken living room conversation pit, wooden floor, small windows opening onto the garden, bauhaus furniture and decoration, high ceiling, beige blue salmon pastel palette, interior design magazine, cozy atmosphere; 8k, intricate detail, photorealistic, realistic light, wide angle, kinkfolk photography, A+D architecture

(高解像度写真, 夢のようなリビングルーム, 木製の床, 庭に面した小窓, バウハウスの家具と装飾, 高い天井, ベージュ・ブルー・サーモン・パステル, インテリアデザイン雑誌, 居心地の良い雰囲気; 8k, 細部まで精巧, 写実的, 現実的な光, 広角, 近景写真, A+D建築)

• Adobe Firefly



• DALL E2



• OpenJourney



• Stable Diffusion



• Midjourney

Prompt 2

valley, fairytale treehouse village covered, matte painting, highly detailed, dynamic lighting, cinematic, realism, realistic, photo real, sunset,detailed, high contrast, denoised, centered

(渓谷, おとぎ話に出てきそうなツリーハウスの村, マットペイント, 細部まで描写, ダイナミックな照明, 映画的, リアリズム, リアル, 写真的, 日没, 細部まで描写, ハイコントラスト, ノイズ除去, 中央揃え)

Prompt 3

a haunted house with ghostly apparitions, eerie shadows, and mysterious secrets lurking in every corner

(幽霊の出るお化け屋敷、不気味な影、隅々に潜む謎の秘密)

Prompt 2およびPrompt 3に関しては、Muhammad Usman氏のブログで確認できます